一种融合高校声誉感知与知识图谱的课程公平推荐方法

本发明公开一种融合高校声誉感知与知识图谱的课程公平推荐方法，具体步骤如下：获取目标学习者的历史交互数据以及候选课程集合，将其接入预先构建的声誉感知课程协同知识图谱；基于所述声誉感知课程协同知识图谱，调用预先训练完成的多层图卷积网络，得到目标学习者表征及课程表征；依据课程声誉层级分组规则以及最低曝光比例约束，采用贪心策略对候选课程集合进行重排序，输出面向目标学习者的最终课程推荐列表。本发明从数据输入、模型训练到列表生成全方位地降低高校声誉偏见，在保证推荐准确性的同时，增强了低声誉层级学校课程的特征保留与表征质量，为不同声誉层级高校提供可调控的公平性保障。